DATA MINING UNTUK KLASIFIKASI PENDERITA DIABETES MENGGUNAKAN ALGORITMA NAÏVE BAYES

Abstract

Diabetes merupakan penyakit metabolik kronik yang ditandai dengan meningkatnya kadar glukosa darah (atau gula darah), yang seiring waktu dapat mengakibatkan kerusakan serius pada jantung, pembuluh darah, mata, ginjal, dan saraf. Diabetes tipe 2, yang paling sering terjadi pada orang dewasa, muncul ketika tubuh menentang terhadap insulin atau tidak menghasilkan insulin yang memadai. Kurun tiga dekade belakang, prevalensi diabetes tipe 2 telah meningkat secara signifikan di negara-negara dengan berbagai tingkat pendapatan.Diabetes tipe 1, sebelumnya dikenal sebagai diabetes remaja atau diabetes yang tergantung insulin, adalah kondisi kronis di mana pankreas memproduksi sedikit atau tidak sama sekali insulin. Bagi penderita diabetes, akses terhadap pengobatan yang terjangkau, termasuk insulin, berpengaruh untuk keberlangsungan hidup mereka. Ada target global yang disetujui untuk mengontrol peningkatan diabetes dan obesitas pada tahun 2025.Saat ini, sekitar 422 juta orang di seluruh dunia menderita diabetes, dengan sebagian besar penderita tinggal di negara-negara berpenghasilan rendah dan menengah. Setiap tahun, diabetes menyebabkan sekitar 1,5 juta kematian[1]. Jumlah kasus dan prevalensi diabetes terus meningkat selama beberapa dekade.Dalam penelitian untuk klasifikasi diabetes, digunakan algoritma Naïve Bayes. Naïve Bayes merupakan metode klasifikasi data berdasarkan peluang yang mungkin terjadi di masa depan. Alat yang digunakan untuk mengevaluasi akurasi adalah RapidMiner versi 10. Riset ini memakai metode Knowledge Discovery in Database (KDD). Tujuannya adalah menentukan apakah hasil pemeriksaan pasien menunjukkan positif atau negatif diabetes. Hasil penelitian menunjukkan tingkat akurasi sebesar 71,14%. Pada dataset penderita diabetes yang dianalisis dengan algoritma Naïve Bayes, kategori outcome (target) "0" (NO) lebih banyak dibandingkan dengan outcome (target) "1"(YES).